베인은 에이전트형 AI 자동화 분야의 SaaS 시장 규모가 1,000억 달러에 달할 것으로 전망했다

베인 앤 컴퍼니(Bain & Company)는 에이전트형 AI를 활용하는 SaaS 기업을 위한 미국 내 시장 규모가 1,000억 달러에 달할 것으로 추산했다. 이 회사는 이 시장이 기업 시스템 내 조정 업무의 자동화에서 비롯된다고 밝혔다.

이 추정치는 AI 시대의 소프트웨어 산업에 관한 베인의 5부작 시리즈 중 두 번째 편에서 나온 것이다. 이 보고서는 에이전트형 AI가 새로운 소프트웨어 시장을 어디에서 개척할 수 있는지, 그리고 SaaS 제공업체들이 이를 어떻게 선점할 수 있는지를 탐구한다.

기업 시스템 내 조정 업무

베인에 따르면, 이 시장은 직원들이 다양한 기업용 애플리케이션에서 수행하는 수작업에서 비롯됩니다. 이러한 워크플로에는 종종 ERP, CRM, 지원 시스템은 물론 공급업체 관리 도구와 이메일도 포함됩니다.

이러한 업무에는 한 시스템에서 데이터를 추출해 다른 시스템과 상호 참조하거나, 비정형 메시지를 해석하고, 승인, 응답, 상급자 보고 또는 대기 중 어느 조치를 취할지 결정하는 작업이 포함됩니다.

베인은 워크플로우에 모호성이 존재하거나 정보가 여러 시스템에 흩어져 있을 경우, 규칙 기반 자동화(RBA)와 로봇 프로세스 자동화(RPA)에는 한계가 있다고 지적했습니다. 에이전트형 AI는 다양한 출처의 데이터를 해석하고, 시스템 간 작업을 조정하며, 정책의 범위 내에서 운영될 수 있습니다.

이 보고서는 에이전틱 AI가 주로 SaaS 플랫폼을 대체하는 것이 아니라, 노동 집약적인 조정 업무를 소프트웨어 지출로 전환하는 데 시장 기회가 있다고 주장한다.

베인은 공급업체들이 이미 미국 시장에서 40억~60억 달러를 확보하고 있으며, 90% 이상이 아직 개척되지 않은 상태라고 추산한다.

미국 이외의 지역에서는 캐나다, 유럽, 호주, 뉴질랜드가 합쳐서 비슷한 규모의 시장을 형성할 것으로 베인은 전망하며, 이로 인해 해당 지역과 미국을 합친 총 시장 규모는 약 2,000억 달러에 달할 것으로 보입니다.

기능별 시장 규모

이 시장은 기업 기능별로 고르게 분포되어 있지 않습니다. 베인앤컴퍼니는 영업 부문이 약 200억 달러로 가장 큰 비중을 차지할 것으로 추산하는데, 이는 비정상적으로 높은 자동화 잠재력보다는 주로 영업 인력의 수에 기인한 것입니다.

매출원가와 운영 부문은 약 260억 달러를 차지한다. 운영 인력이 방대하기 때문에 자동화율이 다소 낮더라도 상당한 규모의 잠재 시장으로 이어진다. 연구개발(R&D) 및 엔지니어링, 고객 지원, 재무 부문은 각각 약 60억 달러에서 120억 달러 규모의 잠재 시장을 형성한다. 이 기능들은 인력이 많으며 특정 업무 흐름에서 자동화 잠재력이 더 높다.

고객 지원 및 R&D/엔지니어링 부문은 자동화 가능성이 가장 높으며, 워크플로 업무의 약 40%에서 60%가 자동화 가능합니다. 베인은 이 두 분야 모두 구조화된 데이터, 표준화된 프로세스, 명확한 결과 신호를 포함한다고 지적했습니다. 재무 및 인적 자원 분야는 35%에서 45% 범위에 속합니다. 보고서에 따르면 매입채무 및 급여 업무는 자동화 잠재력이 더 높은 반면, 재무 계획 및 노사 관계는 더 많은 판단이 필요하다고 합니다.

영업 및 IT 부문은 30%에서 40% 수준이다. 베인은 관계의 미묘한 차이, 거래별 변동성, 보안 사고의 예측 불가능성을 해당 분야 자동화의 한계로 꼽았다. 법무 부문은 20%에서 30%로 전반적인 자동화 잠재력이 더 낮다. 베인은 계약 검토와 규정 준수는 반복 가능한 업무이지만, 오류 발생 시의 심각한 결과로 인해 더 엄격한 감독이 필요하다고 설명했다.

베인의 자동화 결정 요인

이 보고서는 AI 에이전트가 워크플로우의 어느 정도를 현실적으로 처리할 수 있는지를 결정하는 6가지 요인을 제시했다. 여기에는 결과 검증 가능성, 실패 시 결과, 디지털화된 지식의 가용성, 프로세스 변동성 등이 포함된다. 베인은 명확한 검증 신호가 있는 워크플로우가 주관적 판단이 필요한 워크플로우보다 자동화하기 쉽다고 밝혔다. 예시로는 코드 컴파일, 청구서 대조, 지원 티켓 해결 등이 있다.

보고서에 따르면, 세금 신고, 법적 규정 준수, 보안 사고 대응과 같이 규제 또는 재무적 위험이 수반되는 워크플로는 에이전트가 기술적으로 능력이 있더라도 더 면밀한 인간의 감독이 필요합니다.

베인은 또한 디지털화된 지식의 가용성을 제약 요인으로 꼽았습니다. 에이전트는 구조화된 데이터와 문서화된 맥락에 접근할 수 있어야 할 뿐만 아니라, 종종 경험 많은 직원들에게 비공식적으로 전수되는 의사결정 논리를 포함한 기계가 읽을 수 있는 입력 정보도 필요합니다.

워크플로가 여러 시스템과 API를 가로지르는 경우, 통합의 복잡성이 자동화에 영향을 미칩니다. 인증 계층과 예외 처리 프로세스는 복잡성을 더욱 가중시켜, 단일 플랫폼 내에 포함된 워크플로에 비해 이러한 워크플로를 종단 간(end-to-end)으로 자동화하기가 더 어렵게 만듭니다. 이 회사는 가장 가치가 높은 영역은 단일 기록 시스템이 전체 결과를 통제하지 못하는 곳에 집중되어 있으며, 이는 종종 ERP, CRM 및 지원 시스템을 아우른다고 설명한다.

베인앤컴퍼니(Bain & Company)의 글로벌 기술 및 통신 부문 의장인 데이비드 크로포드(David Crawford)는 SaaS 기업들이 지난 20년 동안 기록 시스템(system of record)을 중심으로 입지를 다져왔으며, 다음 경쟁 우위의 원천은 "크로스 워크플로우 의사결정 맥락(cross-workflow decision context)"—즉, 여러 시스템을 거치는 워크플로우 내에서 상황을 해석하고 행동할 수 있는 능력—이 될 것이라고 말했다.

기업 사례 및 관련 워크플로우

이 보고서는 에이전트형 AI 도입에 대한 논의에서 커서(Cursor), 시에라(Sierra), 하비(Harvey), 글린(Glean), 세일즈포스(Salesforce), 서비스나우(ServiceNow), 워크데이(Workday)를 예로 들었습니다. 베인에 따르면 커서(Cursor)는 단 한 분기 만에 매출이 두 배로 증가한 후 월평균 매출 1,670만 달러를 돌파했다. 시에라(Sierra)는 연간 1억 5,000만 달러, 하비(Harvey)는 연간 1억 9,000만 달러, 글린(Glean)은 연간 2억 달러를 각각 넘어섰다.

또한 이 보고서는 기존 핵심 워크플로우의 데이터를 활용해 인접 업무로 확장한 기업의 사례로 GitHub를 꼽았습니다. GitHub의 핵심 사업은 개발자 협업 및 소스 제어이지만, 리포지토리 및 워크플로우 데이터는 AI 지원 개발자 생산성 및 보안 자동화 분야로의 확장을 뒷받침하는 데 기여했습니다.

베인(Bain)은 SaaS 기업들이 두 가지 유형의 워크플로 자동화를 통해 사업을 확장할 수 있다고 밝혔다. 첫 번째는 이미 도메인 지식과 고객 신뢰를 확보한 핵심 워크플로를 자동화하는 것이다. 기존 시스템 통합을 통해 핵심 워크플로우 자동화를 지원할 수 있습니다. 두 번째는 기업이 현재 직접 서비스를 제공하지 않는 인접 워크플로우를 자동화하는 것입니다. 이러한 영역은 고객 워크플로우와 의사결정을 뒷받침하는 기초 데이터를 상세히 매핑해야 하므로 파악하기가 더 어려울 수 있습니다.

에이전트가 완료된 결과를 제공할 때 가격 책정 모델이 변경될 수 있다. 베인은 에이전트가 문제를 해결하거나 청구서를 처리할 때, 좌석 및 로그인 수를 기반으로 한 기존 가격 책정과 달리 결과 및 사용량 기반 가격 책정이 더 적합해질 수 있다고 설명했다.

SaaS 기업을 위한 베인의 권고 사항

베인은 SaaS 기업들이 우선 에이전트형 AI를 통해 현재 자동화가 가능한 고객 워크플로우를 파악하는 것부터 시작할 것을 권고했습니다. 또한 기업은 전체 기능을 모두 동등하게 자동화 가능하다고 간주하지 말고, 하위 프로세스 수준에서 자동화를 평가해야 한다고 조언했습니다.

또한 이 보고서는 기업들이 데이터의 품질을 평가할 것을 조언했다. 베인은 데이터가 포괄적인지, 성과와 연계되어 있는지, 자동화에 활용 가능한지 여부가 관련 요인이라고 밝혔다.

베인은 기업들이 내부 개발, 인수합병, 또는 파트너십을 통해 역량 격차를 해소할 수 있다고 밝혔다. 보고서는 앱러빈(AppLovin)의 자체 개발 플랫폼 '액슨(Axon)', 서비스나우(ServiceNow)의 무브웍스(Moveworks) 인수, 세일즈포스(Salesforce)와 워크데이(Workday)의 파트너십을 서로 다른 접근 방식의 사례로 꼽았다.

이 회사는 또한 AI 엔지니어링 인재, 다중 에이전트 오케스트레이션을 위한 클라우드 네이티브 아키텍처, 모델 훈련 및 추론을 위한 자금 지원의 필요성을 강조했다. 또한 기업들은 가격 책정 및 영업 인센티브를 기존의 라이선스 기반 모델이 아닌 AI 주도 성과와 연계해야 한다고 밝혔다.

베인은 SaaS 기업들이 기계가 읽을 수 있는 업무 인계 절차와 각 워크플로우 실행의 결정 및 결과를 포착하는 시스템을 포함하여, 에이전트 기반 워크플로우에 맞춰 설계된 데이터 및 제품 기반도 필요로 할 것이라고 말했다.

크로포드는 AI 네이티브 기업들이 자동화하는 각 고객 워크플로우마다 더 많은 배포 데이터를 수집함에 따라, SaaS 기업들의 시간 단위는 “년이 아닌 분기 단위로 측정된다”고 말했다.

관련 기사: 사용자 제어에 초점이 맞춰지면서 구글, 제미니(Gemini)용 레미(Remy) AI 에이전트 테스트

업계 리더들의 AI 및 빅데이터 관련 정보를 더 알고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 열리는 AI & Big Data Expo를 확인해 보세요. 이 포괄적인 행사는 TechEx의 일환으로, 다른 주요 기술 행사와 함께 개최됩니다. 자세한 정보는 여기를 클릭하세요.

AI 뉴스는 TechForge Media가 제공합니다. 다가오는 기업 기술 행사 및 웨비나를 여기서 확인해 보세요.